Electronic Theses and Dissertation

Hubungan sinergis antara gangguan rongga mulut dengan saluran napas pada perokok telah lama diketahui. merokok menyebabkan peningkatan sitokin inflamasi pada mukosa mulut dan mukosa saluran napas. perokok memiliki kemungkinan 20 kali berisiko penyakit periodontal dan obstruksi saluran napas. inovasi ini mengembangkan prototipe yang dapat memvisualisasikan mukosa mulut perokok untuk mengidentifikasi dugaan penyakit paru obstruktif kronis (ppok). tahap awal dengan mengumpulkan data berbagai jenis lesi mukosa mulut perokok, seperti leukoplakia, nicotinic stomatitis, black hairy tongue, oral squamous cell carcinoma, dan smoker’s melanosis dari database online dan rekam medis pasien. selanjutnya data dibagi menjadi dataset pelatihan, validasi, dan pengujian, kerangka kerja pytorch dan pustaka ultralytics digunakan untuk menciptakan model lesi mukosa yang akan diidentifikasi. inovasi ini telah berhasil merancang sebuah prototipe untuk mendeteksi dugaan ppok, rancangan terdiri dari liquid crystal display (lcd), endoskop yang dilengkapi penerangan, power supply, dan terintegrasi internet of things (iot). hasil uji presisi alat menunjukkan tingkat akurasi sebagai berikut: black hairy tongue (99.5%), leukoplakia (54.4%), smoker’s melanosis (43%), oral squamous cell carcinoma (42.4%), dan nicotinic stomatitis (34%). uji diagnostik alat pada 60 perokok menunjukkan mayoritas berusia 21-30 tahun (63%), memiliki riwayat merokok selama 5-10 tahun (86%), dan riwayat ppok (40%). hasil uji diagnostik menunjukkan nilai sensitivitas 84%, spesifisitas 57.14%, dan area under curve 0.79. oleh karenanya, prototipe ini mampu mendeteksi lesi mukosa mulut sebagai dugaan ppok yang berbasis kecerdasan buatan dan terintegrasi dengan iot. prototipe layak digunakan sebagai alat skrining dugaan ppok dan dapat digunakan untuk menekan laju angka kejadian serta menurunkan angka kematian karena ppok di indonesia.

The synergistic relationship between oral cavity and airway disorders in smokers has long been known. Smoking causes an increase in inflammatory cytokines in the oral mucosa and respiratory tract mucosa. Smokers are 20 times more likely to have periodontal disease and airway obstruction. This innovation creates a prototype that can identify suspected Chronic Obstructive Pulmonary Disease (COPD) by seeing the oral mucosa of smokers. This innovation collected data on various types of oral mucosal lesions, such as leukoplakia, nicotinic stomatitis, black hairy tongue, oral squamous cell carcinoma, and smoker’s melanosis from database online and medical records. The data then divided into training, validation, and testing datasets, using the PyTorch framework and the UltraLytics library as a model for the mucosal lesions. This innovation has created a prototype consisting of a dari Liquid Crystal Display (LCD), endoscope, a power supply, and integrated Internet of Things (IoT). The findings showed the degrees of prototype accuracy: black hairy tongue (99.5%), leukoplakia (54.4%), smoker’s melanosis (43%), oral squamous cell carcinoma (42.4%), and nicotinic stomatitis (34%). Sixty smokers underwent diagnostic tests; the majority, ages 21-30 (63%), had smoked for 5–10 years (86%) and had a history of COPD (40%). The findings showed an area under the curve of 0.79, sensitivity of 84%, and specificity of 57.14%. The prototype can identify oral mucosal lesions as suspected COPD based on artificial intelligence and integrated with IoT. The prototype is appropriate as screening tool for COPD and hopefully can reduce morbidity and mortality of COPD in Indonesia.